文件名称：基于CNN和LSTM的异构数据舆情分类方法
文件大小：1.21MB
文件格式：PDF
更新时间：2024-05-26 06:24:27
异构数据 神经网络 CNN LSTM 特征提取
随着网络的发展，网络舆情数据呈现出爆炸式增长的趋势.使得数据类型越来越复杂，这些网络数据相互结合，构成了一个复杂的数据结构来表达数据的信息.在舆情数据中，通过单一类型的数据（图片、文本、语音等）越来越难以完整的表达数据信息.对于一个包含多种类型数据的网络信息，本文提出一种新的舆情分类模型，通过神经网络模型分别去学习不同类型信息的数据特征，对它们的特征融合后进行分类，通过这种方法实现数据信息更好地分类.在实验中，本文分别使用LSTM和CNN神经网络提取文本和图像数据特征，对二者特征融合后进行分类.结果证明，多种类型的数据特征进行融合后再分类，可以更好地实现对网络舆情数据信息的分类，提高了舆情信息分类的准确性.